第七章 工程质量控制的统计分析方法 【网校课程】
1.简述质量统计推断工作过程。
质量统计推断工作是运用质量统计方法在生产过程中或一批产品中，随机抽取样本，通过对样品进行检测和整理加工，从中获得样本质量数据信息，并以此为依据，以概率数理统计为理论基础，对总体的质量状况作出分析和判断。
2.简述质量数据的收集方法。
(1)全数检验
全数检验是对总体中的全部个体逐一观察、测量、计数、登记，从而获得对总体质量水平评价结论的方法。
(2)随机抽样检验
抽样检验是按照随机抽样的原则，从总体中抽取部分个体组成样本，根据对样品进行检测的结果，推断总体质量水平的方法。
1)简单随机抽样；
2)分层抽样；
3)等距抽样；
4)整群抽样；
5)多阶段抽样。
3.质量数据有何特性?
质量数据具有个体数值的波动性和总体(样本)分布的规律性。
在实际质量检测中，我们发现即使在生产过程是稳定正常的情况下，同一总体(样本)的个体产品的质量特性值也是互不相同的。这种个体间表现形式上的差异性，反映在质量数据上即为个体数值的波动性、随机性，然而当运用统计方法对这些大量丰富的个体质量数值进行加工、整理和分析后，我们又会发现这些产品质量特性值(以计量值数据为例)大多都分布在数值变动范围的中部区域，即有向分布中心靠拢的倾向，表现为数值的集中趋势；还有一部分质量特性值在中心的两侧分布，随着逐渐远离中心，数值的个数变少，表现为数值的离中趋势。质量数据的集中趋势和离中趋势反映了总体(样本)质量变化的内在规律性。
4.试述质量数据的波动的原因及分布的统计规律性。
(1)质量数据波动的原因
质量特性值的变化在质量标准允许范围内波动称之为正常波动，是由偶然性原因引起的；若是超越了质量标准允许范围的波动则称之为异常波动，是由系统性原因引起的。
1)偶然性原因
在实际生产中，影响因素的微小变化具有随机发生的特点，是不可避免、难以测量和控制的，或者是在经济上不值得消除，它们大量存在但对质量的影响很小，属于允许偏差、允许位移范畴，引起的是正常波动，一般不会因此造成废品，生产过程正常稳定。通常把4M1E因素的这类微小变化归为影响质量的偶然性原因、不可避免原因或正常原因。
2)系统性原因
当影响质量的4M1E因素发生了较大变化，如工人未遵守操作规程、机械设备发生故障或过度磨损、原材料质量规格有显著差异等情况发生时，没有及时排除，生产过程则不正常，产品质量数据就会离散过大或与质量标准有较大偏离，表现为异常波动，次品、废品产生。这就是产生质量问题的系统性原因或异常原因。由于异常波动特征明显，容易识别和避免，特别是对质量的负面影响不可忽视，生产中应该随时监控，及时识别和处理。
(2)质量数据分布的规律性
对于在正常生产条件下的大量产品，误差接近零的产品数目要多些，具有较大正负误差的产品要相对少，偏离很大的产品就更少了，同时正负误差绝对值相等的产品数目非常接近。于是就形成了一个能反映质量数据规律性的分布，即以质量标准为中心的质量数据分布，它可用一个“中间高、两端低、左右对称”的几何图形表示，即一般服从正态分布。
5.简述质量控制七种统计分析方法的用途各有哪些?
(1)统计调查表法。是利用专门设计的统计表对质量数据进行收集、整理和粗略分析质量状态的一种方法。
(2)分层法。是将调查收集的原始数据，根据不同的目的和要求，按某一性质进行分组、整理的分析方法。
(3)排列图法。是利用排列图寻找影响质量主次因素的一种有效方法。
(4)因果分析图法。是利用因果分析图来系统整理分析某个质量问题(结果)与其产生原因之间关系的有效工具。
(5)直方图法。它是将收集到的质量数据进行分组整理，绘制成频数分布直方图，用以描述质量分布状态的一种分析方法。
(6)控制图。用途主要有两个：过程分析，即分析生产过程是否稳定。过程控制，即控制生产过程质量状态。
(7)相关图。在质量控制中它是用来显示两种质量数据之间关系的一种图形。
